- •1.Поняття економ-ої моделі, її складові частини
- •2.Роль, місце економ моделей в управл ек сист-и
- •3.Прич, що спон появу випад склад-ої регрес мод
- •4.Етапи побудови економетричної моделі
- •5.Специфікація економетричних моделей
- •6.Помилки специфікації моделей регресії
- •7.Парам-и моделі парн лін регресії. Сутн-ь й оцінюв
- •8.Мнк оцінюв-я параметрів парної лінійної регресії
- •9.Коеф-т детерм-ії й корел-ії для моделі парної регресії. Перев-а суттєв-і коеф-а де терм-ії за t-крит
- •10.Коеф. Детерм-ї (кд) та корел-ї (кк) для моделі парної регресії. Перевірка суттєвості кд за допом. F-крит.
- •16.Коеф. Множ. Корел. Та детермінації та перевірка їх статистичної значимості
- •17.Передумови застос-ня мнк для оцінки пар-ів множ. Лін. Регресії.
- •18.Дисперсійно-коваріац матриця оцінок параметрів
- •19.Надійні інтервали для оцінок парам-ів множинної лінійної моделі регресії
- •20.Точковий та інтервальний прогноз на основі побудованої моделі лінійної множинної регресії
- •21.Значимість економетричної моделі.
- •22.Знач-ть оцінок парам-ів множ лін моделі регресії
- •23.Прогнозув залеж змінної на осн-і економ моделі
- •25.Поліноміальна модель. Визнач-я вектора * статист аналіз моделі
- •26.Гіперболічна модель. Визнач-я вектора * статист аналіз моделі
- •27.Показник модель. Визнач-я параметрів, статист аналіз моделі
- •29. Сутність виробничої функції та її застосування
- •30. Поняття фіктивних змінних.Приклад
- •31.Врахув-я якісних факторів в лін-х економет-х моделях за доп фіктивних змінних
- •32. Моделі з фікт-и регресорами: моделі, що містять тільки фікт-і незал-і змінні та моделі, що містять як фіктивні, так і кількісні незалежні змінні
- •33. Моделі з фіктивними залежними змінними
- •34. Порівняння двох регресійних моделей. Тест Чоу
- •35.Суть та наслідки мультикол-сті (м).
- •36.Тест-ня наявності мультикол-ті (м) в моделі.
- •37.Алгоритм Фаррара-Глобера.
- •38.Методи усунення мультикол-ті.
- •39.Алгоритм покрокової регресії.
- •41.Негат наслідки наявності гетероск-ті залишків в лін моделях
- •42.Негативні наслідки наявності автокореляції залишків в лінійних моделях.
- •43.Негативні наслідки наявності мультик-і.
- •44.Тест Гольдфельда-Квандта. Пос-ть його вик-ня.
- •45.Алгоритм теста Глейсера.
- •46.Перевірка наявності гетероскедаст-і залишків на основі теста коеф-а рангової кореляції Спірмена
- •40.Поняття про гомо- та гетероскедас-ть залишків.
- •47.Узагальнений метод найменших квадратів для моделі з гетероскедастичністю залишків.
- •48. Зважений метод найменших квадратів.
- •49.Суть та наслідки автокор-ії стохаст-ої складової
- •50.Алгоритм Дарбіна-Уотсона для виявлення автокореляції залишків першого порядку.
- •52. Критерій фон Неймана.
- •51.Цикл та нециклічний коефіцієнт автокореляції(а)
- •53.Узаг-ий мнк для знаходж-я оцінок параметрів моделі з автокорельов-и залишками
- •56.Метод Кочрена – Оркатта.
- •54.Метод Ейткена оцін парам моделі з автокор зал
- •55.Метод перетвор-я вихідної інфор-ії в оцінюв-і параметрів моделі з автокорельов-и залишками
- •58.Оцін параметрів моделі з автокор залишками методом Дарбіна
- •57.Алгоритм методу Кочрена-Оркатта.
- •59.Поняття часового лагу. Моделі з часовим лагом незалежних змінних.
- •60.Авторегресійні моделі.
- •61.Оцінюв-я авторегресійних моделей з часовим лагом незалежних змінних.
- •62.Автокореляція часового ряду, коефіцієнт автокореляці, автокореляційна функція
- •63.Часовий ряд в загальному вигляді.
- •65. Виявлення тренду часового ряду.
- •66. Методи визначення тренду часового ряду.
- •67.Криві зростання.
- •68.Методи вибору форми тренду.
- •69.Оцінка адекватн-і і точності трендових моделей.
- •70.Застос-я фіктивних змінних у модел-і сез колив
- •71.Основні етапи аналізу часових рядів
- •72.Метод ковзної середньої для згладж час ряду
- •73.Експоненційне згладжування
- •75.Стаціонарні та нестаціонарні часові ряди. Основні характеристики часових рядів.
- •76.Поняття системи економічних рівнянь. Приклади моделей на основі системи одночасних рівнянь
- •77.Структурна та звед форми одночасних рівнянь
- •80.Алгоритм непрямого мнк
- •78.Ідентифік-ія. Необхід та достатня умова ідентиф.
- •79.Непрямий мнк оцінювання параметрів системи одночасних рівнянь.
- •81.Рекурсивні системи одночасних рівнянь, оцінювання їх параметрів
- •82.Проблеми ідентифікації системи одночасних рівнянь
- •83.Оцінюв-я параметрів системи одноч-их рівнянь двох кроковим методом найменших квадратів
- •84. Алгоритм двокрокового методу найменших квадратів (2мнк)
- •85.Трьохкроковий метод найменших квадратів
- •86.Прогноз ендогенних змінних.
16.Коеф. Множ. Корел. Та детермінації та перевірка їх статистичної значимості
Коеф-ти д-ції та к-ції є кількісними характер-ми, за якими можна зробити висновок про те, наскільки побудована економетрична модель узгоджується з емпіричною інф-цією. Тобто можна зробити загальні висновоки щодо достовірності економетричної моделі. Множинний коеф-т д-ції, який визначає рівень варіації залежної змінної за рахунок незалежних, розрах-я таким чином: R2=((σY)2-(σU)2)/(σY)2, чи Коеф-т д-ції без урахув-я числа ступеней свободи: . Співвіднош-я між ними дорівн-ме: . Множ-ий коеф-т к-ції R=(R^2)^(1/2) характер тісноту зв’язку між залежною і незалежними змінними. Множ-ий коеф-т д-ції і к-ції знаходяться на множині: від 0 до 1. Не варто абсолютизувати високе знач-ня R^2, бо коеф-т д-ції може бути близьким до 1 через те, що досліджувані показники (змінні) в моделі мають чітко вираж часовий тренд, який не стосується причинно-наслідк-их зв’язків. Значущість коеф-та к-ції базується на t-критерії: t=(R*(n-m)^(1/2))/(1-R^2)^(1/2). Якщо |t|>tтабл, де tтабл-табл знач-ня t-розподілу з n-m ступенями свободи, то можна зробити висновок про значущість коеф-та к-ції.
17.Передумови застос-ня мнк для оцінки пар-ів множ. Лін. Регресії.
Економетр. модель у матричній формі має вигляд Y=X*A+u, де Y - вектор значень залеж. змінної; X - матриця незал. змінних; A - вектор оцінок параметрів моделі; u - вектор залишків. Щоб застос-и МНК, необхідне виконання таких передумов: 1)мат. сподівання залишків = нулю: М(u)=0. 2)значення ui вектора залишків u незалежні між собою і мають сталу дисперсію: М(uu')=σ2 при i=j; М(uu')=0, при i≠j. 3)пояснювальні змінні моделі не пов’язані із залишками: М(Х'u)=0. 4)поясн. змінні моделі утвор-ь лінійно незал. систему векторів, або поясн. змінні не повинні бути мультиколінеарними, тобто матриця Х має повний ранг.
18.Дисперсійно-коваріац матриця оцінок параметрів
За допомогою коваріаційної матриці розрахов-я основні показники випадкового розсіюв-я оцінок âj навколо відповідних істинних значень параметрів, що аналізуються, а також характеристики взаємозв’язків отриманих оцінок. Для харак-ки змінних âj використовують дисперсію σ2âj і коваріацію σâjâk (j≠k). Істинні значення цих параметрів утвор-ь дисперсійно-коваріаційну матрицю:
Оцінки коваріаційної матриці викор-я для знаходження стандартних похибок та обчислення довірчих інтервалів оцінок параметрів âj. Вони використовуються й під час перевірки їхньої статистичної значущості. На головній діагоналі матриці містяться оцінки дисперсій σ2âj j-ї оцінки параметрів, що ж до елементів які розміщені поза головною діагоналлю, то вони є оцінками коваріації між âj і âk.
19.Надійні інтервали для оцінок парам-ів множинної лінійної моделі регресії
Для кожного параметру аj можна розрах-и довірчий інтервал. Довірчий інтервал - інтервал, у межах якого з заданою довірчою імовірністю можна чекати знач-я оцінюваноного параметру аj. Застосовується для більш повної оцінки точності в порівнянні з точковою оцінкою. Довірчі інтервали мають вигляд: (аj-∆аj; аj+∆аj). Надійні границі для параметрів регресії визнач-я за формулою: ∆аj=tp,k*σ^ aj, де tp,k-критичне значення ф-ції Стьюдента, яке знаходиться за таблицями t-критерію для заданого рівня значимості α (або й-ть р) і числа ступенів вільності k=n-2, σ^aj-значення діагоналі матриці ∑а.